Информационная матрица Фишера
Fisher = ecmnfish(Data,Covariance)NUMPARAMSоколо-NUMPARAMS Информационная матрица Фишера на основе текущих оценок параметров максимального правдоподобия.
Использовать ecmnfish после оценки среднего и ковариации Data с ecmnmle.
Fisher = ecmnfish(___,InvCovar,MatrixType)InvCovar и MatrixType.
В этом примере показано, как вычислить информационную матрицу Фишера на основе оценок параметров для Data в течение пяти лет ежедневной общей прибыли по 12 запасам компьютерных технологий, с шестью аппаратными и шестью программными компаниями
load ecmtechdemo.matПериод времени для этих данных простирается с 19 апреля 2000 года по 18 апреля 2005 года. Шестой акцией в Assets является Google (GOOG), которая начала торговаться 19 августа 2004 года. Так, все возвращения до 20 августа 2004 года отсутствуют и представлены как NaNS. Также у Amazon (AMZN) было несколько дней с отсутствующими значениями, разбросанными на протяжении последних пяти лет.
[ECMMean, ECMCovar] = ecmnmle(Data)
ECMMean = 12×1
0.0008
0.0008
-0.0005
0.0002
0.0011
0.0038
-0.0003
-0.0000
-0.0003
-0.0000
⋮
ECMCovar = 12×12
0.0012 0.0005 0.0006 0.0005 0.0005 0.0003 0.0005 0.0003 0.0006 0.0003 0.0005 0.0006
0.0005 0.0024 0.0007 0.0006 0.0010 0.0004 0.0005 0.0003 0.0006 0.0004 0.0006 0.0012
0.0006 0.0007 0.0013 0.0007 0.0007 0.0003 0.0006 0.0004 0.0008 0.0005 0.0008 0.0008
0.0005 0.0006 0.0007 0.0009 0.0006 0.0002 0.0005 0.0003 0.0007 0.0004 0.0005 0.0007
0.0005 0.0010 0.0007 0.0006 0.0016 0.0006 0.0005 0.0003 0.0006 0.0004 0.0007 0.0011
0.0003 0.0004 0.0003 0.0002 0.0006 0.0022 0.0001 0.0002 0.0002 0.0001 0.0003 0.0016
0.0005 0.0005 0.0006 0.0005 0.0005 0.0001 0.0009 0.0003 0.0005 0.0004 0.0005 0.0006
0.0003 0.0003 0.0004 0.0003 0.0003 0.0002 0.0003 0.0005 0.0004 0.0003 0.0004 0.0004
0.0006 0.0006 0.0008 0.0007 0.0006 0.0002 0.0005 0.0004 0.0011 0.0005 0.0007 0.0007
0.0003 0.0004 0.0005 0.0004 0.0004 0.0001 0.0004 0.0003 0.0005 0.0006 0.0004 0.0005
⋮
Оценка отрицательной логарифмической функции правдоподобия для ecmnmle, использовать ecmnfish на основе текущих оценок параметров максимального правдоподобия для ECMCovar.
Fisher = ecmnfish(Data,ECMCovar)
Fisher = 90×90
107 ×
0.0001 0.0000 -0.0000 -0.0000 -0.0000 -0.0000 -0.0000 -0.0000 -0.0000 0.0000 -0.0000 -0.0000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0.0000 0.0001 -0.0000 0.0000 -0.0000 0.0001 0.0000 0.0000 0.0000 0.0000 0.0000 -0.0001 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
-0.0000 -0.0000 0.0002 -0.0000 -0.0000 -0.0000 -0.0000 -0.0000 -0.0000 -0.0000 -0.0000 -0.0000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
-0.0000 0.0000 -0.0000 0.0003 -0.0000 0.0000 -0.0000 -0.0000 -0.0001 -0.0001 0.0000 -0.0000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
-0.0000 -0.0000 -0.0000 -0.0000 0.0001 -0.0000 -0.0000 -0.0000 0.0000 -0.0000 -0.0000 -0.0000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
-0.0000 0.0001 -0.0000 0.0000 -0.0000 0.0002 0.0000 -0.0000 0.0000 0.0001 0.0000 -0.0002 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
-0.0000 0.0000 -0.0000 -0.0000 -0.0000 0.0000 0.0002 -0.0001 -0.0000 0.0000 -0.0000 -0.0001 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
-0.0000 0.0000 -0.0000 -0.0000 -0.0000 -0.0000 -0.0001 0.0004 -0.0000 -0.0001 -0.0000 0.0000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
-0.0000 0.0000 -0.0000 -0.0001 0.0000 0.0000 -0.0000 -0.0000 0.0002 -0.0001 -0.0000 -0.0000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0.0000 0.0000 -0.0000 -0.0001 -0.0000 0.0001 0.0000 -0.0001 -0.0001 0.0004 -0.0000 -0.0001 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
⋮
Data - ДанныеДанные, указанные как NUMSAMPLESоколо-NUMSERIES матрица с NUMSAMPLES образцы NUMSERIES-мерный случайный вектор. Отсутствующие значения обозначаются NaNs.
Типы данных: double
Covariance - Оценки параметров максимального правдоподобия для ковариации DataОценки параметров максимального правдоподобия для ковариации Data используя алгоритм ECM, указанный как NUMSERIESоколо-NUMSERIES матрица.
InvCovar - Холеское разложение ковариационной матрицы[ ] (по умолчанию) | матрица(Необязательно) Обратная ковариационная матрица, заданная как матрица с использованием inv как:
inv(Covariance)
Типы данных: double
MatrixType - Формат матрицы'full' (по умолчанию) | символьный вектор(Необязательно) Формат матрицы, заданный как символьный вектор со значением:
'full' - вычисляет полную информационную матрицу Фишера.
'meanonly' - вычисляет только компоненты информационной матрицы Фишера, связанные со средним значением.
Типы данных: char
Fisher - информационная матрица ФишераИнформационная матрица Фишера, возвращенная как NUMPARAMSNUMPARAMS матрица на основе текущих оценок параметров, где NUMPARAMS = NUMSERIES * (NUMSERIES + 3)/2 если MatrixFormat = 'full'. Если MatrixFormat = 'meanonly', то NUMPARAMS = NUMSERIES.
Имеется измененная версия этого примера. Открыть этот пример с помощью изменений?
1. Если смысл перевода понятен, то лучше оставьте как есть и не придирайтесь к словам, синонимам и тому подобному. О вкусах не спорим.
2. Не дополняйте перевод комментариями “от себя”. В исправлении не должно появляться дополнительных смыслов и комментариев, отсутствующих в оригинале. Такие правки не получится интегрировать в алгоритме автоматического перевода.
3. Сохраняйте структуру оригинального текста - например, не разбивайте одно предложение на два.
4. Не имеет смысла однотипное исправление перевода какого-то термина во всех предложениях. Исправляйте только в одном месте. Когда Вашу правку одобрят, это исправление будет алгоритмически распространено и на другие части документации.
5. По иным вопросам, например если надо исправить заблокированное для перевода слово, обратитесь к редакторам через форму технической поддержки.